PENELUSURAN UJI STATISTIKA

PENELUSURAN UJI STATISTIKA korelasi, (b) hubungan dalam arti perbedaan, dan (c) hubungan
dalam arti melukiskan mekanisme sebab akibat.
Bagaimana halnya jika peneliti tidak merusukan hipotesis?
Menghadapi hal yang demikian, ada dua kemungkinan. Pertama,
penelitian yang dilakukan termasuk suatu penelitian "deskriptif murni"
sehingga tidak diperlukan pengujian dengan statistika inferensial lagi.
Dasar Penelusuran
Kemungkinan kedua, masih termasuk penelitian analitik (bukan
deskriptif), tetapi tidak cukup informasi teoritik (penelitian terdahulu)
Sebelum diuraikan lebih lanjut cara melakukan penelusuran atau
untuk dapat dikembangkan suatu hipotesis. Dalam hal yang terakhir
pemilihan uji statistika, perlu dikemukakan beberapa hal yang dapat
ini, penelitian dapat mencari jawaban pertama di atas dengan melihat
dijadikan pegangan untuk melakukan pengujian tersebut. Untuk
pada kerangka teori yang digunakan dalam penelitian. Seorang
memudahnya, berikut ini dikemukakan beberapa pertanyaan kunci, yang
peneliti yang baik biasanya mampu merumuskan kerangka teori
dengan pertanyaan tersebut kita dapat acuan untuk memilih uji statistika
sedemikian rupa sehingga hubungan antar variabel dapat diketahui
yang dikehendaki.
dengan jelas.
1. Uji hipotesis apa yang dikehendaki?
Korelasi ?
2. Bagaimana sampel diperoleh ? bebas (random) atau tidak?
Perbedaan ?
Pertanyaan kedua ini dengan mudah dapat dijawab dengan
Pertanyaan pertama ini berkaitan dengan jalur pokok analisis
melihat cara pemilihan yang dilakukan peneliti, apakah dengan cara
statistika yang akan dicari. Seperti yang akan terlihat selanjutnya,
random atau dengan cara non random. Sebagaimana dketahui salah
pendekatan pengelompokan yang dilakukan dalam tulisan ini ialah
satu syarat dilakukan uji statistika parametrik adalah bahwa sampel
dengan membagi uji statistika menjadi dua jalur pokok yaitu uji
penelitian harus dipilih secara bebas/acak (random). Pertanyaan
perbedaan dan uji korelasi. Bagiamana seorang peneliti memilih jalur
kedua ini akan menggiring kita apakah akan dipilih jalur uji parametrik
pada pertanyaan pertama ini?
ataukah non-parametrik. Hal ini terutama sekali jika kita berhadapan
Untuk itu peneliti perlu kembali melihat pada rumusan hipotesis
dengan dara yang memenuhi persyaratan parametrisiitas lainnya
yang dikemukakan. Dalam hipotesis tersebut kita akan dengan
(misalnya: tingkat pengukurannya interval atau rasio, distribusi
mudah menemukan jawaban kita, pakah kita akan melakukan uji
populasinya mendekati normal).
perbedaan atau penaksiran ataukah akan dilakukan uji korelasi.
Bagaimana halnya bila dari hipotesis belum dapat dieksplorasi
3. Apa tingkat pengukuran (level of measurement) variabel tergantung
jawaban tersebut? Dalam hal demikian, berarti rumusan hipotesis
yang dianalisis?
yang dibuat peneliti belum operasional sifatnya. Hal ini berarti secara
Nominal ?
metodologi perlu disempurnakan rumusan hipotesisnya menjadi lebih
Ordinal ?
operasional. Operasional di sini berarti variabel-variabel penelitian
Interval?
terumuskan dengan jelas dan hubungn antar variabel juga terlukiskan
Rasio?
dengan jelas. Hipotesis yang opersional, dengan demikian,
Bagaimana jenjang urutan (time ordering)-nya?
memungkinkan dilakukan pengukuran terhadap variabel penelitian
Mana yang merupakan variabel bebas?
(measureble) dan hubungan antar variabel memungkinkan dilakukan
Mana yang merupakan variabel tergantung?
pengujian (prvable). Istilah "hubungan antar variabel" dalam kaitan ini
Mana yang merupakan variabel perantara?
mempunyai makna ganda, yaitu: (a) hubungan dalam arti sempit atau
Mana yang merupakan variabel pendahulu?

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA

PENELUSURAN UJI STATISTIKA
Mana yang merupakan variabel prakondisi?
Mana yang merupakan variabel luar (kontrol)?
Pertanyaan ketiga menyangkut tingkat pengukuran (level 0f
measurement) variabel tergantung/terikat yang akan dianalisis.
Darimana kita mengetahui hal ini? Bagi seorang peneliti, adalah
merupakan suatu kompetensi untuk secara otomatis dapat mengenal
tingkat mengukuran variabel yang dihadapinya. kArena pada saat ia
melakukan operasionalisasi hipotesis (menjabarkan hipotesis dalam
variabel-variabel penelitian), seorang peneliti disamping harus
mendeskripsikan gambaran hipotesisnya (definis operasional
variabel), juga harus menggambarkan tingkat pengukuran variabel
tersebut.
Mengenai jenjang urutan (time ordering) variabel, juga dengan
mudah diketahui dari rumusan hipotesis dan kerangka teori yang
diajukan dalam penelitian. Dengan mengetahui kedudukan variabel-
variabel tersebut, seorang peneliti dapat dengan tepat "meletakkan"
suatu variabel penelitiansebagai variabel yang harus diperhitungkan,
ataukah perlu dikendalikan. Jika suatu variabel memang
diperhitungkan, apakah yangingin diketahui pengaruhnya, ataukah
yang terpengaruh.
4. Berapakah jumlah kelompok observasi?
Satu ?
Dua ?
Tiga atau lebih?
Pertanyaan keempat berkaitan dengan jumlah kelompok
observasi yang dihadapi. Dengan dapatnya diidentifikasi mana
variabel bebas (pengaruh), mana variabel terikat/tergantung, dengan
mudah kita dapat melihat jumlah kelompok observasi (variabel
terikat/tergantung). Jumlah kelompok observasi ini tergantung pada;
kelas, katagori atau tingkatan variabel bebas (berskala nominal atau
ordinal) yang diperhitungkan. Variabel jenis kelamin misalnya, akan
menjadi kelompok observasi menjadi dua (laki-laki dan wanita),
sementara variabel tingkat pendidikan dapat membagi kelompok
observasi lebih dari dua, tergantung cara pengelompokan yang
dilakukan peneliti. Persoalan selanjutnya ialah bagaimana kita
menghadapi lebih dari satu variabel bebas? Dalam hal ini variabel
ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA
tergantung/terikat akan dikelompokkan sejumlah hasil perkalian
jumlah kelas atau kategori variabel-variabel bebas tersebut.
5. Jika dua atau lebih, apakah sampel berhubungan (berasal dari satu
kelompok subjek = related sampel = sama subjek), ataukah tidak (lain
subjek = independent sample)?
Pertanyaan kelima berhubungan dengan sifat pengelompok-an
variabel tergantung. Dalam hal ini kita menghadapi dua kemungkinan
jawaban. Pertama, kita berhadapan dengan data yang berasal dari
individu yang sama (sama subjek = related samples). Kemungkinan
kedua, kita berhadapan dengan kelompok data yang berasal dari
individu yang berbeda (lain subjek = independent samples).
Sebagai contoh misalnya, jika kita akan mencoba obat tidur A dan B,
untuk mengetahui perbedaan khasiatnya. Peneliti mencobakan obat
A pada sepuluh sukarelawan pada suatu hari, kemudian dicatat
selang waktu antara minum obat dengan saat tidur. Pada hari lain
terhadap kesepuluh orang yang sama dicobakan obat B, kemudian
dilakukan pengukuran dengan cara yang sama. Dalam hal ini, kita
akan mempunyai dua kelompok data "kecepatan tidur" yang berasal
dari individu yang sama. Iniberarti kita menghadapi kelompok
observasi sama subjek = related samples.
Apabila untuk menguji perbedaan tersebut kita menggunakan dua
puluh orang, yaitu sepuluh orang dicobakan obat A dan sepuluh
yanglainnya obat B, maka kita mempunyai dua kelompok data
"kecepatan tidur" yang berasal dari individu yang berbeda. Ini berarti
kita menghadapi kelompok observasi lain subjek atau independent
samples).
Dalam praktek, ke dalam istilah sama subjek (relatied samples) juga
dimasukkan data yang berpasangan, yang berasal dari lain subjek
tetapi kondisinya identik atau hampir identik. Dara berasal dari lain
subjek yang kondisinya sama atau yang dibuat sama. Sebagai
contoh, individu kembar (kondisi memang sama) dan dua kelompok
yang di "match" secara ketat sekali pada banyak variabel. Dengan
sendirinya, berbeda dengan data yang berasal dari lain subjek (yang
dapat berbeda jumlahnya antara satu keompok dengan kelompok
lain), untuk data berpasangan jumlah anggota kelompok harus sama.
Secra praktis, kita akan menggunakanistilah di atas secara
berganti-ganti. Data berpasangan berarti data sama subjek atau data
PENELUSURAN UJI STATISTIKA
lain subjek yang dianggap sama atau dibuat sama, sementara data
mandiri berarti data lain subjek.
6. Apakah dalam rancangan penelitian ada pengamatan ulang
terhadapsuatu variabel?
Pertanyaan keenam berkaitan dengan ada tidaknya pengamatan
ulang pada data yang akan dianalisis. Istilah pengamatan ulang yang
dimaksud ialah bahwa terhadap subjek yang sama yang telah
dilakukan satu perlakuan tertentu efeknya diamati lebih dari sekali.
Pengertian amatan ulang harap jangan dikaburkan dengan
pengertian sama subjek di atas, berhubung keduanya berhadapan
dengandata dari subjek yang sama. Jika pada sama subjek
pengamatan dilakukan sekali saja terhadap setiap efek perlakuan.
Karena perlakuannya dua kali (atau lebih), maka kelompok
pengamatannya lebih dari satu. Pada amatan ulang perlakuannya
hanya dekali saja, namun efek dimonitor (diukur) beberapa kali,
sehingga kita mempunyai lebih dari satu kelompok data.
7. Apakah pada uji yang dikehendaki dilakukan pengendalian terhadap
variabel (variabel-variabel) tertentu?
Pertanyaan ketujuh berkaitan dengan apakah dalam analisis kita
menghendaki pengendalian terhadap suatu atau sejumlah variabel
atau tidak. Istilah pengendalian ini mempunyai pengertian bahwa kita
meniadakan pengaruh (dalam perhitungan) sautu variabel terhadap
variabel tergantung yang dihadapi. Dengan demikian, hasil
perhitung-an statistika yang dilakukan benar-benar hanya menguji
pengaruh variabel bebas yang dikehendaki terhadap variabel
tergantung, karena peneliti telah meniadakan pengaruh variabel yang
pengaruhnya tidak dikehendaki. Sebagaimana telah dikemukakan di
muka, variabel yang dikendalikan ini diistilahkan sebagai variabel
luar.
ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA
PENELUSURAN UJI STATISTIKA
Untuk melakukan penelusuran uji statistika perlu diketahui terlebih
dahulu secara umum berbagai pilihan uji statistika yang dimungkinkan,
baik berupa uji perbedaan atau penafsiran maupun uji korelasi; baik yang
parametrik maupun yang non parametrik.
Untuk mendapatkan gambaran umum mengenai berbegai jenis uji
statistika, di bawah ini digambarkan matriks uji dan sekaligus kodel
satatistika pokoknya. Kode ini akan dipakai terus-menerus dalam
pengupasan lebih lanjut, baik dalam pembahasan aplikasi statistika
maupun dalam penjelasan tentang teorinya. Dengan demikian
pemahaman kode oleh pembaca merupakan suatu hal yang amat penting
untuk dapat lebih mudah memahami buku ini.
Kode terdiri dari tiga petunjuk pokok, yaitu mengenai jenis analisis,
variabel yang dihadapi, dan jumlah serta kedudukan kelompok data yang
dihadapi. Petunjuk tentang jenis analisis, ada dua yaitu: (B) menunjukkan
uji perbedaan atau penaksiran dan (K) uji korelasi. Petunjukkan kedua
tentang tingkat pengukuran variabel yang dihadapi, yaitu: (N) untuk data
berskala nominal, (O) untuk data berskala ordinal, (IR) untuk data
berskala interval atau rasio. Petunjuk ketiga (hanya khusus unuk uji
perbedaan) menyangkut jumlah dan kedudukan kelompok data yang
dihadapi, terdiri atas dua sub bagian. Pertama, angka arab (1, 2, dan 3)
menunjukkan jumlah kelompok data yang dihadapi, kecuali untuk angka
(3) berarti tiga kelompok atau lebih. Kedua, petunjuk tentang kedudukan
data, apakah berpasangan atau berasal dari subjek yang sama (tanda S)
ataukah mandiri atau berasal dari lain subjek (tanda: L). Ketiga kelompok
petunjuk tersebut ditulis diantara tanda kurung. Di belakang tanda kurung
kadang-kadang ada petunjuk lain. Petunjuk ini memperjelas variasi uji
saja dan akan dijelaskan kemudian. Variasi juga dilakukan pada bagian
ketiga petunjuk (jumlah dankedudukan kelompok data), tertutama untuk
kotal-kotak matriks (B-IR-2S), (B-IR-2L), (B-IR-3S) dan (B-IR-3L), lihat
bawah.
PENELUSURAN UJI STATISTIKA

Skema 1. Skema penelusuran uji perbedaan

MATRIKS DAN SIMBOL UJI PERBEDAAN:

NOMINAL ORDINAL INTERVAL/RASIO NOMINAL 1 KEL. PENGAMATAN UJI BINOMIAL (B-N-1)a

1 KEL OMPOK B-N-1 B-O-1 B-IR-1
2 SS B-N-2S B-O-2S B-IR-2S * UJI 2 (B-N-1)b.
KELOMPOK LS B-N-2L B-O-2L B-IR-2L *
3 SS B-N-3S B-O-3S B-IR-3S *
KELOMPOK LS B-N-3L B-O-3L B-IR-3L *

2 KEL. PENGAMATAN SS UJI McNEMAR

* Dikembangkan dalam bentuk: (B-IR-ANA) dan (B-IR-AKV) (B-N-2S)

LS UJI EKSAK FISHER

(B-N-2L)a

MATRIKS DAN SIMBOL UJI KORELASI UJI 2 (B-N-2L)b

NOMINAL ORDINAL INTERVAL/RASIO

NOMINAL K-N.N K-N.O K-N.IR 3 KEL. PENGAMATAN SS UJI COCHRAN
(B-N-3S)
ORDINAL K-O.O K-O-IR
INTERVAL/RASIO K-IR-IR LS UJI 2 (B-N-3L)

Dengan menggunakan bekal tujuh pertanyaan di atas, pembaca
dapat memiih uji atau analisis statistika yang tepat untuk data yang
tersedia
PENELUSURAN UJI BEDA
 Penelusuran uji perbedaan data berskala nominal
Apabila peneliti inginmenguji perbedaan data (variabel tergantung)
yang berskala nominal, maka skema alur penelusuran berikut dapat
digunakan:
Dari skema tersebut diketahui bahwa peneliti perlu mengidentifikasi
berapa kelompok pengamatan (variabel tergantung) yang dihadapi.
Apabila yang dihadapi satu kelompok pengamatan, maka uji yang dapat
digunakan umumnya berangkat dari hipotesis mengenai penaksiran
keadaan sampel terhadap populasi tertentu, suatu uji kecocokan
(goodness of fit). Tergantung pada keadaan data yang dihadapi, peneliti
dapat menggunakan uji binomial atau chi kuadrat untuk satu kelompok
pengamatan.
Apabila peneliti menghadapi dua kelompok pengamatan, maka ia
perlu mengidentifikasi lagi, apakah kelompok data yang dihadapi bersifat
mandiri (lain subjek) ataukah berpasangan (sama subjek). Jika yang
dihadapi data sama subjek (SS), maka dapat dipilih uji McNemar,
sementara jika yang dihadapi adalah data lain subjek (LS), maka peneliti
dapat menggunakan uji eksak Fisher atau uji chi kuadrat untuk dua
kelompok pengamatan.
Apabila peneliti mengahadapi tiga kelompok pengamatan atau lebih,
maka ia perlu mengidentifikasi, apakah kelompok data yang dihadapi
bersifat berpasangan (sama subjek) atau mandiri (lain subjek). Jika yang

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA

PENELUSURAN UJI STATISTIKA

dihadapi data sama subjek (SS), maka dapat dipilih uji Cochran, digunakan umumnya berangkat dari hipotesis mengenai penaksiran
sementara jika yang dihadapi adalah data lain subjek (LS), maka peneliti keadaan sampel terhadap populasi tertentu, suatu uji kecocokan
dapat menggunakan uji chi kuadrat untuk k kelompok pengamatan. (goodness of fit). Tergantung pada keadaan data yang dihadapi, peneliti
dapat menggunakan uji Kolomogorov Smirnov (KS) untuk satu kelompok
pengamatan atau uji Wilcoxon untuk satu kelompok pengamatan.
Apabila peneliti menghadapi dua kelompok pengamatan, maka ia
 Penelusuran uji perbedaan data berskala ordinal.
perlu mengidentifikasi lagi, apakah kelompok data yang dihadapi bersifat
mandiri (lain subjek) ataukah berpasangan (sama subjek). Jika yang
dihadapi data sama subjek (SS), maka dapat dipilih uji Tanda atau uji
Apabila peneliti ingin menguji perbedaan data (variabel tergantung)
Wilcoxon untuk dua kelompok pengamtan, sementara jika yang dihadapi
yang berskala ordinal, maka skema alur penelusuran berikut dapat
adalah data lain subjek (LS), maka peneliti dapat menggunakan uji
digunakan.
Kolmogorov Smirnov untuk dua kelompok pengamatan atau uji Median
untuk dua kelompok pengamatan.
Skema 2. Skema penelusuran uji perbedaan data berskala ordinal Apabila peneliti mengahadapi tiga kelompok pengamatan atau lebih,
maka ia perlu mengidentifikasi, apakah kelompok data yang dihadapi
bersifat berpasangan (sama subjek) atau mandiri (lain subjek). Jika yang
ORDINAL 1 KEL. PENGAMATAN UJI KOLMOGOROV- (B-O-1)a
dihadapi data sama subjek (SS), maka dapat dipilih uji analisis varians
SMIRNOV (KS) Friedman, sementara jika yang dihadapi adalah data lain subjek (LS),
UJI WILCOXON (B-O-1)b. maka peneliti dapat menggunakan uji Kruskal-Wallis atau uji Median
untuk k kelompok pengamatan.

2 KEL. PENGAMATAN SS UJI TANDA

(B-O-2S)
 Penelusuran uji perbedaan data berskala interval atau rasio
LS UJI WILCOXON
(B-O-2L)a

UJI KOLMOGOROV- Apabila peneliti ingin menguji perbedaan data (variabel tergantung)
SMIRNOV. (B-O-2L)b yang berskala interval atau rasio, maka skema alur penelusuran yang
3 KEL. PENGAMATAN SS UJI ANOVA FRIEDMAN dihadapi lebih kompleks (skema dihalaman berikut).
(B-O-3S) Dari skema tersebut diketahui bahwa peneliti terlebih dahulu perlu
mengidentifikasi apakah data yang dihadapi memenuhi persyaratan
LS UJI KRUSKAL WALLIS parametrisitas. Apabila ternyata ia berhadapan dengan data yang tidak
(B-O-3L)a
memenuhi syarat parametrisitas, maka ia dapat memilih uji Walsh atau uji
UJI MEDIAN (B-O-3L)b Randomisasi untuk data berpasangan, jika datanya bersifat sama subjek
(SS), atau menggunakan uji Randomisasi untuk data mandiri, jika
datanya bersifat lain subjek (LS).
Dari skema tersebut diketahui bahwa peneliti perlu mengidentifikasi Apabila peneliti berhadapan dengan data yang memenuhi
berapa kelompok pengamatan (variabel tergantung) yang dihadapi. persyaratan parametrisitas, maka berikutnya ia perlu mengidentifikasi
Apabila yang dihadapi satu kelompok pengamatan, maka uji yang dapat

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA

PENELUSURAN UJI STATISTIKA

Skema 3. Skema penelusuran uji perbedaan data berskala interval/ apakah harus dilakukan pengendalian atau tidak. Apabila tidak perlu
rasio dilakukan pengndalian, maka perlu diidentifikasi lebih lanjut berapa
kelompok pengamatan (variabel tergantung) yang dihadapi. Apabila yang
INTERVAL/RASIO dihadapi satu kelompok pengamatan, maka uji yang dapat digunakan
umumnya berangkat dari hipotesis mengenai penaksiran keadaan sampel
Memenuhi syarat parametrisitas? terhadap populasi tertentu, suatu uji kecocokan (goodness of fit).
Tergantung pada keadaan data yang dihadapi, apakah variasi (sd)
YA TIDAK UJI NON-PARAMETRIK populasi diketahui atau tidak, peneliti dapat menggunakan uji -Z atau uji-t
SS UJI WALSH (B-IR-2S)a
untuk satu kelompok pengamatan.
Apabila peneliti menghadapi dua kelompok pengamatan, maka ia
UJI RANDOMISASI (B-IR-2S)b perlu mengidentifikasi lagi, apakah kelompok data yang dihadapi bersifat
mandiri (lain subjek) ataukah berpasangan (sama subjek). Jika yang
LS UJI RANDOMISASI (B-IR-2L)a
UJI PARAMETRIK (B-IR-2L)b
dihadapi data sama subjek (SS), maka dapat dipilih uji-t untuk data
berpasangan (amatan ulang), sementara jika yang dihadapi adalah data
lain subjek (LS), maka peneliti dapat menggunakan uji-t untuk data
TANPA PENGENDALIAN mandiri.
Apabila peneliti mengahdapi tiga kelompok pengamatan atau lebih,
1 KEL. PENG- SD. POP. DIKETAHUI UJI-Z (B-IR-1)a
AMATAN. maka perlu diidentifikasi berapa jumlah variabel bebas yang membagi
SD. POP. TIDAK DI - subjek menjadi kelompok observasi. Perlu diingatkan bahwa variabel
KETAHUI. UJI-t (B-IR-1)b bebas di sini mesti berskala nominal atau ordinal.
2 KEL. PENG- SS UJI-t RANCANG ULANG (B-IR-2S)c
Apabila dihadapi data dengan satu variabel bebas, maka berikutnya
AMATAN. perlu diidentifikasi apakah data merupakan amatan ulang atau ber-
LS UJI-t (B-IR-2L)c pasangan (sama subjek). Untuk uji amatan ulang dapat dipilih analisis
varian b jalan ranul, sementara untuk uji data mandiri dapat dipilih
3 KEL. PENG- 1 VAR. BEBAS SS ANAVA SATU JALAN
analisis varian b jalan.
AMATAN. RANUL (B-IR-ANA)1s
Apabila peneliti menghadapi data yang menghendaki pengendalian
LS ANAVA SATU JALAN variabel luar, maka ia perlu mengidentifikasi tingkat pengukuran yang
(B-IR-ANA) dikendalikan tersebut, apakah nominal, ordinal, interval atau rasio. Jika
yang dikendalikan variabel berskala nominal atau ordinal, maka perlakuan
2 VAR. BEBAS SS ANAVA b JALAN
. RANUL (B-IR-ANA)bs variabel kendali (k) tersebut sebagai variabel bebas, sehingga ia akan
menggunakan analisis varian (b+k) jalan. Dalam hal ini peneliti perlu
LS ANAVA b JALAN diingatkan bahwa dalam hasil analisis varians tersebut F-interaksi antara
(B-IR-ANA)b
variabel kendali dengan variabel bebas yang ingin diketahui pengaruhnya
DENGAN PENGENDALIAN harus tidak bermakna. Apabila ternyata hasilnya bermakna, maka ia
harus melakukan analisis terpilah (breakdown analysis), yaitu data
disendiri-sendirikan dahulu menurut katagori variabel kendali (sampel
(b VAR. BEBAS; k VAR KEND NOM/ORD) ANAVA (b+k) JALAN
(B-IR-ANA)b
dibagi-bagi dalam sub-sampel), kemudia masing-masing dianalisis
dengan menggunakan analisis varians (b) jalan biasa.
(b VAR. BEBAS; k VAR KEND INT/RASIO) ANAKOVA b JALAN k KOV.
(B-IR-AKV)

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA

PENELUSURAN UJI STATISTIKA

Jika yang dikendalikan variabel berskala interval/rasio, maka perlu
diidentifikasi berapa jumlah variabel kendali yang dihadapi (k), kemudian
dapat dipilih analisis kovarians b jalan k kovariabel.
Bagiamana halnya jika peneliti menghadapi variabel kendali
campuran antara variabel berskala nominal atau ordinal (k1) dengan
variabel berskala interval atau rasio (k2)? Untuk itu, peneliti
menggunakan analisis kovarians (b+k1) jalan (k2) kovariabel. Sejalan
dengan Anava (b+k) di atas, peneliti perlu diingatkan bahwa dalam hasil
analisis tersebut F-interaksi antara variabel kendali (k1) dengan variabel
bebas yang ingin diketahui pengaruhnya harus tidak bermakna. Apabila
ternyata hasilnya bermakna, maka harus dilakkan analisis terpilah
(breakdown analyisis), yaitu data disendiri-sendirikan terlebih dahulu
menurut katagori variabel kendali yang berskala nominal atau ordinal (k1),
kemudia masing-masing dianalisis dengan menggunakan analisis
kovarians (b) jalan (k2) kovariabel.
Dari skema tersebut diketahui bahwa uji korelasi apa yang digunakan
tergantung pada tingkat pengukuran variabel yang dikorelasi-kan dengan
variabel nominal tersebut. Jika yang dihadapi data berskala nominal,
maka peneliti dapat menggunakan uji korelasi koefisien kontijensi atau
koefisien Phi.
Jika variabel yang dikorelasikan dengan variabel nominal berskala
ordinal, maka peneliti dapat menggunakan uji korelasi eta-kuadrat.
Disamping itu peneliti juga dapat menominalkan data ordinal tersebut
(mengganggap bahwa tingkatan variabel sebagai kategori yang diskrit),
maka peneliti dapat menggunakan uji korelasi koefisien kontijensi atau
koefisien Phi. Dalam hal yang terakhir yang ditempuh, peneliti perlu
memasukkan unsur korelasi kontinuitas Yates dalam perhitungan.
Jika variabel yang dikorelasikan dengan variabel nominal berskala
interval/rasio, maka peneliti dapat menggunakan uji korelasi point
serial. Di samping itu, peneliti dapat mengordinalkan data interval/rasio
tersebut, maka peneliti dapat menggunakan uji eta kuadrat.

PENELUSURAN UJI KORELASI

 Penelusuran uji korelasi data berskala nominal.
Apabila peneliti akan menguji korelasi antara variabel nominal
dengan variabel lain, maka skema alur penelusuran berikut dapat
digunakan.
 Penelusuran uji korelasi data berskala ordinal.
Apabila peneliti akan menguji korelasi antara variabel ordinal dengan
variabel lain, maka skema alur penelusuran berikut dapat digunakan.
Skema 5. Skema penelusuran korlasi data berskala ordinal

Skema 4. Skema penelusuran korlasi data berskala nominal. ORDINAL

VS 1 ORDINAL KORELASI SPERAMAN (K-O.O)a

NOMINAL
KORELASI KENDALL TAU (K-O.O)b1
VS NOMINAL KOEFISIEN KONTIJENSI (K-N.N)a
VS 2 ORDINAL KORELASI KENDALL- (K-O.O)b2
KOEFISIEN PHI (K-N.N)b
KONKORDAN
*
VS 2 ORDINAL KORELASI KENDALL - (K-O.O)b3
VS ORDINAL KOEFISIEN ETA KUADRAT (K-N.O)
DGN PENGEN- PARSIAL
DALIAN.
**
VS INTERVAL KOEFISIEN POINT SERIAL (K-N.IR)
VS 3 ATAU KORELASI KENDALL- (K-O.O)b2
LEBIH ORD. KONKORDAN
KETERANGAN:
.* variabel ordinal dinominalkan VS INTERVAL/RASIO KORELASI SERIAL
.** variabel interval/rasio diordinalkan. (K-O.IR)

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA

PENELUSURAN UJI STATISTIKA

korelasi atau suatu peramalan (prediksi). Di samping itu perlu juga

Dari skema di atas diketahui bahwa peneliti terlebih dahulu perlu mengidentifikasi apakah harus melakukan pengendalian atau tidak.
mengidentifikasi tingkat pengukuran pasangan korelasi variabel yang
dikorelasikan dengan variabel ordinal (apakah variabel berskala ordinal Skema 6. Skema penelusuran korlasi data berskala interval/rasio
ataukah interval/rasio). Jika yang dihadapi data ordinal, peneliti juga
perlu mengidentifikasi jumlah variabel yang dikorelasikan tersebut,
disamping itu perlu diperhatikan juga, apakah peneliti bermaksud INTERVAL/RASIO VS INTERVAL/RASIO
mengadakan pengendalian atau tidak.
Jika peneliti akan menguji korelasi variabel ordinal dengan satu
Memenuhi syarat parametrisitas?
variabel berskala ordinal yang lain, maka peneliti dapat menggunakan uji
korelasi Spearman atau uji korelasi Kendall-tau. YA TIDAK UJI NON-PARAMETRIK
Apabila peneliti akan menguji korelasi variabel ordinal dengan dua
atau lebih variabel berskala nominal, maka peneliti dapar menggunakan KORELASI SPEARMAN* (K-O.O)a
uji korelasi kendall-Konkordan. KORELASI SERIAL** (K-O.O)b
Jika penelitia akan menguji korelasi variabel ordinal dengan dua
variabel berskala ordinal dengan pengendalian terhadap salah satu
variabel tersebut, maka peneliti dapr menggunakan uji korelasi Kendall- UJI PARAMETRIK
parsial.
Jika peneliti akan menguji korelasi variabel ordinal dengan satu
variabel berskala interval/rasio, maka peneliti dapat menggunakan uji 2 VARIABEL KORELASI KORELASI PRODUCT MOMENT
korelasi serial. KARL PEARSON (K-IR.IR)pm-1

PREDIKSI ANALISIS REGRESI TUNGGAL

(K.IR.IR)reg-1
 Penelusuran uji korelasi data berskala interval tau rasio.
3 ATAU LEBIH KORELASI KORELASI PRODUCT MOMENT
VARIABEL. GANDA (K-IR.IR)pm-g

Jika peneliti akan menguji korelasi antara variabel interval atau rasio PREDIKSI ANALISIS REGRESI GANDA
dengan variabel lain, maka skema di halam berikut dapat digunakan. (K-IR.IR)reg-g
Dari skema tersebut diketahui bahwa penbeliti terlebih dahulu perlu
2 VARIABEL + k KENDALI KORELASI PARSIAL
mengidentifikasi apakah data yang dihadapi memenuhi persyaratan
prametrisitas. Apabila ternyata dihadapkan dengan data yang tidak
memenuhi syarat parametrisitas, maka dapat ditempuh dua macam .* Kedua data interval/rasio diordinalkan
kemungkinan. Pertama peneliti mengklasifikasikan kedua data .** Salah satu data interval/rasio diordinalkan
interval/rasio tersebut sebagai data ordinal (diordinalkan) terlebih dahulu,
selanjutnya digunakan uji korelasi Spearman. Kedua peneliti
Jika peneliti menghadapi dua variabel interval/rasio yang ingin
mengordinalkan salah satu variabel inteval/rasio tersebut, untuk
diketahui korelasinya,sementara data memenuhi syarat parametrisitas,
selanjutnya menggunakan uji korelasi serial.
mka dapat digunakan uji korelasi product moment dari Karl Pearson.
Jika peneliti berhadapan dengan data yang memenuhi syarat para-
Apabila peneliti menghadapi dua variabel interval/rasio yang ingin
metrisitas, maka selanjutnya perlu diidentifikasi berapa jumlah variabel
diketahui korelasinya serta ingin mengetahui apakah salah satu variabel
yang dikorelasikan tersebut (dua, tiga, atau lebih), dan apakah sekedar uji

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA

PENELUSURAN UJI STATISTIKA

dapat digunakan untuk meramalkan besar variabel yang lain, maka dapat
digunakan analisis regresi tunggal.
Jika peneliti menghadapi tiga atau lebih variabel interval/rasio yang
ingin diketahui korelasinya, sementara data memenuhi syarat
parametrisitas, maka dapat digunakan uji korelasi ganda (multiple
product moment).
Apabila peneliti menghadapi tiga atau lebih variabel interval/rasio
yang ingin diketahui korelasinya serta ingin mengetahui juga pakah besar
variabel yang dikorelasikan dapat diramalkan dengan variabel-variabel
yang lain (sebagai tim prediktor), sementara data memenuhi syarat
parametrisitas, maka dapat digunakan analisis regresi ganda.
Jika peneliti menghadapi dua variabel interval/rasio yang ingin
diketahui korelasinya dengan melakukan pengendalian pengaruh korelasi
satu atau lebih variabel interval/rasio yang lain, sementara data
memenuhi syarat parametrisitas, maka dapat digunakan uji korelasi
parsial.

Kelengkapan tulisan ini dilengkapi dengan worksheet (lembar kerja)

yang dapat digunakan untuk berlatih secara manual, maupun dengan
menggunakan program komputer Microstat (DOS) atau menggunakan
program yang sering digunakan dalam Microsoft Office yakni Excel.

ACHMAD RIDWAN – P2P UNIVERSITAS NEGERI JAKARTA